不同促销方式对网络口碑传播意愿的影响

2019-10-16戴国良

中国流通经济 2019年10期

戴国良

（中山大学南方学院，广东广州510970）

一、引言

在进入移动互联网时代后，随着人口红利的消失，消费者人数增长放缓，传统电商的市场交易额增速下降并进入发展瓶颈期。而与之相对的是，近几年来以拼多多、云集为代表的社交电商模式发展迅速，社交电商的市场交易额和消费者人数均高速增长[1]。调查数据显示，2018年我国社交电商交易规模1.2万亿元，占网络零售交易额的14%，预计2019年将超2万亿元，增长63.2%[2]；社交电商消费者人数已达5.12 亿人；2018年社交电商行业投融资额超过250 亿元[3]。社交电商作为一个电子商务的细分市场已经成为市场规模大、增长快、资本青睐的新风口。

社交电商是基于移动互联网和在线社交网络发展起来的新兴电子商务模式，其主要特点为基于消费者在线社交关系的网络口碑传播。拼多多、云集等社交电商的商业模式，是将商务活动嵌入消费者的在线社交网络，通过促销活动激励消费者转发、邀请、积赞、砍价、拼团等网络口碑传播行为，达到品牌传播和促进销售的目的，而且依靠熟人关系的网络口碑传播信任度更高。调查数据显示，受访社交电商用户的43.5%表示有购买好友分享商品的意愿，其中“非常有意愿”的占13.5%，“有意愿”的占30.4%[3]。消费者之所以愿意网络口碑传播促销信息，与电商平台和商家将促销活动和传播行为挂钩密切相关。企业的促销方式多种多样，有特价促销、优惠券、抵用券、买赠、购物送礼、免费样品赠送等，本文研究在相同让利水平下，不同促销方式对消费者网络口碑传播意愿的影响。

二、文献回顾

（一）网络口碑传播意愿与行为文献述评

陈晓红、张戈零[4]研究发现，积极的情绪影响口碑传播意愿，消费者之间的信息传递称之为口碑，是营销学研究的热点问题，但以往研究的多是面对面的人际传播口碑，而非基于网络交互技术的网络口碑。陈明亮、章晶晶[5]研究发现，网络口碑的来源可靠性、网络口碑的内容、网络口碑接受者的动机对传播意愿有影响，他们将影响因素拓展到网络口碑来源、口碑内容和动机。郭国庆、汪晓凡、曾艳[6]研究了物质诱因、回报诱因、社交诱因和表现诱因四种不同诱因类型和社交关系的关系强度组合对网络口碑传播意愿的影响，他们将动机细分为物质、回报、社交和表现四种，并将动机类型与关系强度进行组合，研究不同组合对传播意愿的影响。唐雪梅、赖胜强、朱敏[7]研究发现，负向网络口碑传播意愿高于正向网络口碑，情绪型网络口碑传播意愿高于事实型网络口碑，他们将网络口碑的内容进行分类，分为正向、负向、情绪型和事实型。焦玥、张昕[8]研究发现，一般收入水平消费者的传播意愿较强，高收入消费者传播意愿不明显，消费者的收入水平对传播意愿有影响。陈静宇、王春国、唐小飞[9]研究发现，信息内容主题类型、信息源、传播组合策略对传播意愿有影响。丁璇、孔超、谷虤[10]研究发现，网络口碑发布平台的可信度、内容趣味性、动机影响口碑再传播意愿。以上研究均证明网络内容、对内容的信任和动机影响传播意愿。金永生、田慧[11]研究发现，具有社会交往性、内容有用性、娱乐休闲性等功能、特征的购物网站有助于提升消费者体验，进而影响传播意愿，并侧重研究网站的社交功能对传播意愿的影响。尹春晓、杨金璧[12]研究发现，结果期望和自我效能影响卖家与非卖家的传播意愿，他们将信息受众分为卖家和非卖家两种类型。戴国良[13]研究发现，网络口碑与社交电商在线传播行为之间有明显差异，不能混为一谈，社交电商交易中消费者转发、邀请、积赞、砍价、拼团等网络口碑传播行为是消费前发生的，是纯粹为降低购物成本或提高顾客价值而进行的，网络口碑则是消费者在消费过程中对商家、商品、服务的体验与他人进行交流，二者之间差异体现在发生时间和动机的不同，网络口碑是购后发生的，社交电商在线传播是购前发生的，网络口碑是对购物体验的分享，是社交需要，社交电商在线传播动机是为获得价格折扣，是工具性需要。

综合以上文献，可将网络口碑传播意愿的影响因素分为内因（人口特征、需要、动机等）、外因（信息内容、网站社交功能、激励）和内因外因的相互作用。

（二）网络口碑传播对消费行为意愿影响的文献述评

左文明、王旭、樊偿[14]研究发现，网络口碑的质量和数量影响购买意愿，他们从网络口碑角度探讨网络口碑传播对消费意愿的影响，虽然社交电商在线传播行为不等于网络口碑，但从信息接收者角度看，两者经常难于区分。陈蕾、王瑞梅[15]研究发现，感知乐趣和社交推荐影响消费者信任与购买意愿。耿荣娜、张向先、郭顺利[16]研究发现，绩效期望、社会影响、信息质量、信任环境和努力期望等因素影响信息采纳意向，感知风险影响信息采纳意向，他们从信息采纳角度间接证明在线传播对消费行为意向有影响。综合以上文献，网络口碑传播对消费行为意向的研究多是从网络口碑、信息、信任等角度进行，认为网络口碑传播行为影响消费意愿。

（三）促销方式对消费者感知价值影响的文献述评

促销是营销活动中的关键因素，利用各种促销手段刺激消费者，最终使消费者产生购买行为。陈世芬（Chen Shih-Fen）等[17]、哈迪斯蒂（Hardesty）等[18]、福尔克（Folkes）等[19]研究发现，在相同让利水平下，不同促销方式（打折、优惠券、现金返还、买一送一等）对消费者感知价值和消费行为意向的影响有着显著差异。韩睿、田志龙[20]研究发现，买赠、返券和打折三种促销方式在20%让利水平下对我国消费者的交易价值感知和消费行为意向的影响有显著差异。郝辽钢、高充彦、贾建民[21]研究发现，价格折扣的不同表现方式影响促销效果。刘红艳、李爱梅、王海忠等[22]研究发现，赠品促销与价格折扣促销在不同条件下的促销效果有显著差异。综合以上文献，不同促销方式对消费者感知价值和消费行为意愿有影响。

对以上三个方面的研究综合归纳总结后可知，不同促销方式影响消费者感知价值，网络口碑传播影响消费行为意向。以上逻辑与社交电商实践结合起来，缺失了重要的一环，必须研究不同促销方式对在线传播意愿的影响，或者不同促销方式的消费者感知价值对在线传播意愿的影响。

三、研究方法

为研究不同促销方式的消费者感知价值对网络口碑传播意愿的影响，本研究设计如下。

（一）促销方式的选择

用广告内容分析法，对拼多多、云集等社交电商平台的促销广告进行内容分析，了解到社交电商促销方式多种多样。从促销活动的主体和范围角度，可以将促销分为商品促销、店铺促销和平台促销。商品促销方式主要包括买赠促销、满赠促销、价格折扣促销、满减促销、特价/秒杀促销，店铺促销方式主要包括满赠、满减、店铺券，平台促销方式主要是平台券。

以下对各种促销方式的概念进行定义。

买赠促销：对购买某商品或符合某些条件的消费者送赠品，如买一赠一、买二赠一、买三赠二、买A商品赠B商品、买商品赠送服务等。

满赠促销：指购买金额或数量达到一定额度后送赠品，如购满200元赠送A商品或B服务等。

价格折扣促销：指商品价格的折扣比例，促销价为原价格与折扣比例的乘积，如买两件九折，买三件八折等。

满减促销：满减指购买金额或数量达到一定额度后给予价格折扣，如满200减30，购满200元，消费者实际支付170元等。

特价/秒杀促销：特价/秒杀促销是打折促销加上时间限制，是指在某个特定时间段对特定商品或特定消费者的打折促销，这种打折促销通常有时间限制（指定时段），即限时特卖，如5月1日18：00—20：00，服装全场8折等。

店铺券：店铺发放的优惠劵，主要目的是为店铺引流。促销方式包括代金券、买赠促销、秒杀/特价促销、满减促销、满赠促销等促销方式中的一种或几种促销方式的组合，最常见的是代金券。

平台券：平台发放的优惠券，主要目的是为平台引流。促销方式包括代金券、买赠促销、秒杀/特价促销、满减促销、满赠促销等促销方式中的一种或几种促销方式的组合，最常见的是代金券。

本文将店铺券和平台券统一称为返券，为简化问题，返券促销方式主要指代金券。

综上分析，本研究将社交电商促销方式归纳为六种，分别是买赠促销、满减促销、价格折扣促销、满赠促销、特价/秒杀促销和返券（代金券）。

（二）促销水平选择

在促销水平方面，可以有多种选择，如5%、10%、15%、20%、25%、30%等。综合考虑各种文献和实际情况，本研究选择20%中等利益促销水平[17]。也就是说，从企业角度看，六种不同促销方式的价格折让实际水平均为20%。

促销方式与购物场景设计如下：

买赠：买价格为200 元的某商品（不指定具体商品，下同）并网络口碑传播（本研究将转发、邀请、积赞、砍价、拼团等不同形式的传播行为视为效果等价的，下同），赠送价值40元商品。

满赠：购买满200 元商品并网络口碑传播，赠送价值40元商品。

价格折扣：原价200 元的商品，只要消费者通过社交网络进行在线传播，即可以获得八折优惠，即实际支付160元可获得原价200元的商品。

满减：购买满200 元商品并网络口碑传播，减40元。

特价秒杀：在问卷调查当天指定时段8：00—24：00 购买并网络口碑传播，原价200 元的商品促销价格160元。

返券：购买满200 元商品并网络口碑传播，返40元现金券（只能下次购物使用）。

（三）网络口碑传播意愿的概念

通过对拼多多、云集等社交电商平台进行观察和内容分析，了解到网络口碑传播行为是指转发、邀请、积赞、砍价、拼团等行为。

转发：指转发超链接或促销文案到朋友圈进行传播。每个人的在线社交网络少则有几百好友，多则上千，转发超链接或促销文案到朋友圈，可以被众多在线社交好友看到，这也属于一种传播行为。

邀请：指邀请好友关注某个网站，如邀请n个好友关注商家，即可参与促销活动。

积赞：指在转发的基础上，增加一个积赞机制，如只要转发文章到朋友圈积赞满50个，即可参与促销活动。

砍价：指邀请好友通过砍价来获得折扣，如200 元商品，邀请10 个好友来帮忙砍价，即可砍价到160元。

拼团：拼团享优惠价，如单独买价格为200元，拼团价为160元。

由于网络口碑传播行为难以观察与统计，本研究以网络口碑传播意愿代替。网络口碑传播意愿是指转发、邀请、积赞、砍价、拼团等网络口碑传播行为的意愿。

（四）研究假设

从企业角度来看，六种不同促销方式的价格折让水平是相同的，传播效果是等价的，也就是说，本研究假定六种促销方式的企业成本和收益是相同的。

由于消费者的人口特征、文化、时间价值、感知等主客观原因，消费者对六种相同价格折让水平促销方式的感知价值可能不同。本研究将促销方式与在线传播行为挂钩，并假设促销方式的消费者感知价值越高，消费者就越有可能完成在线传播行为，即不同促销方式的顾客感知价值对网络口碑传播意愿的影响不同。因此，本研究提出假设H1、H2、H3、H4、H5、H6，如表1所示。

（五）变量与操作性定义

本研究使用问卷调查法。问卷分为三部分。第一部分为个人基本信息，包括消费者的性别、年龄、学历和收入；第二部分为消费者使用社交电商平台情况，主要了解消费者是否使用过社交电商、社交电商平台的使用情况和社交传播方式情况；第三部分使用量表对变量进行测量。

变量采用多个测度项进行测度，量表借鉴了相关文献的成熟问题，并根据本次研究需要改进了问题表述方式。态度采用李克特7 级量表进行测量，1 代表非常不认同，7 代表非常认同，分值越高代表受测者对问题的看法同意程度越高，反之越低。问卷编制完成后首先进行前测，邀请了30名消费者进行前测。问卷前测在广州从化街口欣荣宏门口和地铁站现场派发100份，现场回收，问卷数据用SPSS20.0 进行统计分析，对少量题目修改后，各变量克隆巴赫系数（Cronbach's α）均大于0.7，信度较好，最终得到表2所示的变量操作性定义。

（六）研究样本和程序

正式调查问卷线下派发，于2019年7月15日至18日在广州市白云区白云广场、天河区正佳广场、从化欣荣宏广场、增城区增城广场等地各派发500 份问卷，共发放2 000 份问卷；现场派发、现场回收，共收回2 000 份，回收率100%。漏答两题以上、中途放弃作答的为无效问卷，剔除后计1 951 份。问卷的第二部分有两个筛选题，“您是否使用过社交电商APP 购物？Y/N”和“您是否使用过社交电商APP的转发、邀请、积赞、砍价、拼团等功能?Y/N”来筛选本研究的调查对象。这两题作答为“否”的，说明没有体验过社交电商，问卷被剔除。最后得到有效问卷930份。

表1 研究假设

表2 变量操作性定义

四、研究结果

用统计软件SPSS20.0进行统计分析。

（一）描述统计

在性别方面，女性占多数（76.56%），远多于男性（23.44%）。这与文献3研究数据一致：拼多多用户女性占80.3%，男性占19.7%；云集用户女性占68.8%，男性占31.2%。在年龄方面，26～35 岁的最多，占49.14%，19～25岁年龄段占27.42%。35岁以下的年轻人占多数（77.20%），说明社交电商的消费者多为年轻人。在受教育程度方面，本科学历最多，占52.58%，大专/高职学历占20.32%。大学本科和大专/高职学历合计占72.90%，说明社交电商的消费者大多具有大学学历。在月收入方面，5 001～7 000元最多，占38.92%，其次为3 001～5 000元，占26.13%，7 000以元以下合计占70.65%。根据广东省人力资源与社会保障厅公布的2018年全省全口径从业人员月平均工资，广州市从业人员平均月薪为7 450元。可见，社交电商的消费者月收入位于当地平均工资平均线以下（参见表3）。

本文还调查了消费者使用社交电商平台使用情况，数据分析结果如表4所示。消费者在社交电商平台的选择上，使用拼多多最多，占35.48%，其次为云集，占26.99%，小红书占15.16%，礼物说占9.78%。每天使用社交电商平台APP的时长中，1～3 小时最多，占48.06%，其次为1 小时以下的，占35.05%，这在一定程度上说明消费者多为社交电商的重度使用者，消费者愿意花费时间来节约金钱。

在社交电商APP 的使用年限中，1～2年和1年以下的居多，分别占48.49%和30.65%，说明大多数调查对象使用社交电商APP是有一定经验的。

在消费者常用网络口碑传播方式方面，问卷数据分析见表5。调查对象常用的分享平台是微信朋友圈，占40.97%；其次是新浪微博，占22.04%；再次是QQ群占15.70%，微信群占11.29%。

（二）信度分析

用Cronbach's α对变量量表的内部一致性进行检验。若Cronbach's α高于0.7，则表示内部一致性相当高，可以采用；若Cronbach's α低于0.3，则表示内部一致性很低，拒绝采用；若Cronbach's α介于0.3～0.7，则表示内部一致性适中，基本可用。经过内部一致性检验，各因子的Cronbach's α值均大于0.7，说明本量表的信度较高，通过内部一致性检验（参见表6）。

表3 样本人口统计特征

表4 消费者使用社交电商平台情况

表5 消费者常用网络口碑传播方式

表6 信度分析

（三）效度分析

本研究首先用KMO 和Bartlett 球形检验两个指标判断是否适合做因子分析。若KMO 值大于0.9，非常适合做因子分析；0.7～0.9 适合做因子分析；0.6～0.7较为适合做因子分析；0.6～0.5之间不太适合做因子分析；0.5 以下放弃。Bartlett 球形检验值判断标准为P＜0.05。

数据分析显示（参见表7），KMO值为0.863，介于0.7-0.9 之间，适合做因子分析；Bartlett 球形检验中卡方=125 241.135，P=0.000＜0.05，Bartlett 球形检验具有统计显著性。KMO值和Bartlett球形检验两个指标均显示适合做因子分析。

用主成分分析法进行因子分析，成分矩阵均大于0.5，KMO 值大于0.6，Bartlett 球形检验P=0.000＜0.05，通过效度检验（参见表8）。

（四）回归分析

用直接进入法进行多元线性回归分析。

模型总体R=0.985，R2=0.970，整体拟合优度较好。方差分析F=5048.072，P=0.000＜0.05，F检验具有统计显著性（参见表9）。

模型系数方差分析（参见表10）。变量X1回归系数0.012，标准误差0.018，t=0.669，p=0.504＞0.05，不具有统计显著性。变量X2 回归系数-0.008，标准误差0.018，t=-0.441，p=0.659＞0.05，不具有统计显著性。变量X3 回归系数0.788，标准误差0.037，t=21.150，p=0.000＜0.05，具有统计显著性。变量X4 回归系数0.047，标准误差0.032，t=1.484，p=0.138＞0.05，不具有统计显著性。变量X5 回归系数0.755，标准误差0.021，t=36.095，p=0.000＜0.05，具有统计显著性。变量X6 回归系数-0.623 ，标准误差0.023，t= -26.742 ，p=0.000＜0.05，具有统计显著性。常数项回归系数为0.171，标准误差为0.041，t=4.204，p=0.000＜0.05，具有统计显著性。